Adulteration and substitution of drugs purchased in <scp>Australia</scp> from cryptomarkets: <scp>An</scp> analysis of <scp>Test4Pay</scp>
Notice bibliographique
Résumé
INTRODUCTION: Prohibited drugs in unregulated markets may be adulterated, resulting in increased risks for people who use drugs. This study investigated levels of drug adulteration and substitution of drugs purchased in Australia from cryptomarkets. METHODS: Data were collected from a darknet forum called Test4Pay from 1 September 2022 to 23 August 2023. Posts were included if they reported the results of drug samples submitted by post to the Vancouver-based Get Your Drugs Tested service, which uses Fourier-transform infrared spectroscopy with immunoassay strip tests (fentanyl and benzodiazepines). RESULTS: Of 103 samples, 65% contained only the advertised substance, 14% contained the advertised substance in combination with other psychoactive and/or potentially harmful substances and for 21%, the advertised substance was absent. Substances sold as MDMA, methamphetamine or heroin were consistently found to contain only the advertised substance, while substances sold as 2C-B, alprazolam or ketamine were the most likely to be completely substituted. Only 4 samples sold as cocaine contained solely the advertised substance, with 13 containing cocaine with adulterants like lidocaine, creatine, levamisole and boric acid (n = 19). No fentanyl contamination was detected. Novel dissociatives and novel benzodiazepines were detected, as well as a nitazene compound. DISCUSSION AND CONCLUSIONS: Drug markets under prohibition continue to contain numerous unexpected substances, some of which can elevate risk of harm. Cryptomarkets are not immune to this problem, despite review systems, which should, in theory, make vendors more accountable for the quality of their stock. These findings demonstrate a need for expansion of local drug checking services in Australia.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».